jsoup

jsoup: analisador de HTML Java

jsoup é uma biblioteca Java que facilita o trabalho com HTML e XML do mundo real. Ele oferece uma API fácil de usar para busca de URL, análise de dados, extração e manipulação usando métodos API DOM, CSS e seletores xpath.

jsoup implementa a especificação WHATWG HTML5 e analisa HTML no mesmo DOM dos navegadores modernos.

• raspar e analisar HTML de um URL, arquivo ou string
• encontre e extraia dados, usando travessia DOM ou seletores CSS
• manipular os elementos HTML, atributos e texto
• limpe o conteúdo enviado pelo usuário em uma lista segura, para evitar ataques XSS
• saída HTML arrumado

jsoup foi projetado para lidar com todas as variedades de HTML encontradas à solta; de puro e validador a sopa de tags inválida; jsoup criará uma árvore de análise sensata.

Consulte jsoup.org para downloads e a documentação completa da API.

Exemplo

Obtenha a página inicial da Wikipedia, analise-a em um DOM e selecione as manchetes da seção Nas Notícias em uma lista de Elementos:

 Document doc = Jsoup . connect ( "https://en.wikipedia.org/" ). get ();
log ( doc . title ());
Elements newsHeadlines = doc . select ( "#mp-itn b a" );
for ( Element headline : newsHeadlines ) {
  log ( "%s n t %s" , 
    headline . attr ( "title" ), headline . absUrl ( "href" ));
}

Amostra online, fonte completa.

Código aberto

jsoup é um projeto de código aberto distribuído sob a licença liberal do MIT. O código-fonte está disponível no GitHub.

Começando

1. Baixe o jar jsoup mais recente (ou adicione-o à sua compilação Maven/Gradle)
2. Leia o livro de receitas
3. Aproveitar!

Suporte Android

Quando usado em projetos Android, a simplificação da biblioteca principal com a especificação NIO deve ser habilitada para oferecer suporte aos recursos Java 8+.

Desenvolvimento e suporte

Se você tiver alguma dúvida sobre como usar o jsoup ou tiver ideias para desenvolvimento futuro, entre em contato através das discussões do jsoup.

Se você encontrar algum problema, registre um bug após verificar se há duplicatas.

O colofão fala sobre a história e as ferramentas usadas para construir o jsoup.

Status

jsoup é, em geral, uma versão estável.